【0.3】续--Tensorflow踩坑记之tf.metrics_tf.metrics.precision-CSDN博客

本文链接：https://blog.csdn.net/qq_37747262/article/details/82223155

本文详细探讨了Tensorflow中tf.metrics模块的使用，特别是精确率(precision)的计算，通过实例解释了如何计算整体样本准确率和批次准确率，以及在使用过程中的常见问题和注意事项，包括更新操作update_op的正确位置和precision_at_k的理解与应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

【续】–Tensorflow踩坑记之tf.metrics

欠下的帐总归还是要还的，之前一直拖着，总是懒得写tf.metrics这个API的一些用法，今天总算是克服了懒癌，总结一下tf.metrics遇到的一些坑。

博客中涉及到的所有代码都已经传到澜子的Github上啦～欢迎互粉哇。
本篇博客也传到了澜子的个人博客，欢迎大噶多多关注哇。

插一句闲话，这一次的博客基本上用的都是 Jupyter，感觉一级好用啊。可以一边写代码，一边记markdown，忍不住上一张效果图，再次欢迎大噶去我的Github上看一看，而且Github支持 jupyter notebook 显示，真得效果很好。

jupyter

在这篇伪Tensorflow-tf-metrics中，澜子介绍了tf.metrics中涉及的一些指标和概念，包括：精确率(precision)，召回率(recall)，准确率(accuracy)，AUC，混淆矩阵(confusion matrix)。下面先给出官方的API文档，看看这个模块中都有哪些隐藏秘笈。

官方API文档

看了官方文档之后，大噶可能会发现其中有好多可以调用的函数，不仅有precision / accuracy/ auc/ recall，还有precision_at_k / recall_at_k，更有precision_at_thresholds/ precision_at_top_k/ sparse_precision_at_k…天啦噜，这都是什么呀，澜子已经彻底晕了，到底要怎么用啊（眼冒金星中）。别急，让我一个坑一个坑地告诉你。